Machine learning methods for smart grid operation with LECs

Abstract

(English) Recent technological developments in renewable energy have enabled a shift in the energy generation capacity closer to the consumption. This evolution has led to a decentralisation process that is required for the coordination of generation and demand in electric power systems. Consequently, the energy sector is transitioning towards a more decentralised control due to these prosumers and active consumers, who cooperate for the management and control of storage systems and flexible demand. A resulting framework attempting to solve the challenges associated with this decentralisation is that of local energy communities (LECs) representing local, self-organising entities that operate autonomously or semi-autonomously within an electricity grid. At the same time, digitalisation has rendered machine learning a key tool for improving processes in several sectors, as in the case of electrical power systems. This thesis starts by analysing LECs and their integration to smart distribution grids. Ultimately, developing a definition for these entities. Then, an analysis on machine learning is assessed to generate an understanding of its capabilities, aiming to discover a relationship between the operation of LECs and existing machine learning algorithms. Finally, with this knowledge, a framework is developed to forecast congestions lines with machine learning in smart distribution with renewable and local energy communities presence, showing the capabilities machine learning can have in complex power systems.

(Català) Els avenços tecnològics recents en energies renovables han permès un canvi en la capacitat de generació d’energia més proper del consum. Aquesta evolució ha donat lloc a un procès de descentralització que és necessari per a la coordinació de generació i demanda en sistemes elèctrics. En conseqüència, el sector energètic està en transició cap a un control més descentralitzat gràcies a aquests prosumidors i consumidors actius, que cooperen per a la gestió i control dels sistemes d’emmagatzematge elèctric i la demanda flexible. Un possible marc per resoldre els reptes associats a aquesta descentralització és el que representen les comunitats energètiques locals (LEC). Entitats locals, autoorganitzades, que operen de manera autònoma o semiautònoma dins d’una xarxa elèctrica. Al mateix temps, la digitalització ha convertit l’aprenentatge automàtic en una eina clau per millorar els processos en diversos sectors, comès el cas dels sistemes elèctrics. Aquesta tesi comença analitzant les LECs i la seva integració a xarxes de distribució intel·ligents, desenvolupant una definició per a aquestes entitats. A continuació, s’avalua una anàlisi sobre l’aprenentatge automàtic per generar una comprensió de les seves capacitats, amb l’objectiu de descobrir una relació entre l’operació dels LECs i algorismes d’aprenentatge automàtic existents. Finalment, amb aquest coneixement, es desenvolupa un marc per predicció de congestions línies amb aprenentatge automàtic en distribució intel·ligent amb presència de comunitats d’energia renovable i local, mostrant les capacitats que pot tenir l’aprenentatge automàtic en sistemes elèctrics complexos.

(Español) Los recientes avances tecnológicos en energías renovables han permitido acercar la capacidad de generación de energía al consumo. Esta evolución ha dado lugar a un proceso de descentralización necesario para la coordinación de la generación y la demanda en los sistemas de energía eléctrica. En consecuencia, el sector energético está en transición hacia un control más descentralizado debido a estos prosumidores y consumidores activos, que cooperan para la gestión y el control de los sistemas de almacenamiento y la demanda flexible. Un marco resultante que intenta resolver los retos asociados a esta descentralización es el de las comunidades energéticas locales (CEL), que representan entidades locales autoorganizadas que operan de forma autónoma o semiautónoma dentro de una red eléctrica. Al mismo tiempo, la digitalización ha hecho del aprendizaje automático una herramienta clave para mejorar los procesos en varios sectores, como es el caso de los sistemas de energía eléctrica. Esta tesis comienza analizando las CEL y su integración en las redes de distribución inteligentes. Concluyendo con el desarrollo de una definición para estas entidades. Partiendo de esta definición, se realiza un análisis sobre el aprendizaje automático para generar una comprensión de sus capacidades, con el objetivo de descubrir una relación entre el funcionamiento de los CEL y los algoritmos de aprendizaje automático existentes. Finalmente, con este conocimiento, se desarrolla una herramienta para predecir líneas de congestión con aprendizaje automático en redes de distribución inteligente con presencia de renovables y comunidades energéticas locales, mostrando las capacidades que el aprendizaje automático puede tener en sistemas eléctricos complejos.